Factors Associated with Pain Treatment Satisfaction Among Patients with Chronic Non-Cancer Pain and Substance Use
Notice bibliographique
Résumé
INTRODUCTION: A better understanding of pain treatment satisfaction in patients with chronic noncancer pain (CNCP) and substance use is needed, especially as opioid prescribing policies are changing. We sought to identify factors associated with pain treatment satisfaction in individuals with CNCP on recent opioid therapy and prior or active substance use. METHODS: An exploratory cross-sectional analysis using baseline data from a cohort study of 300 adults with CNCP receiving >20 morphine milligram equivalents of opioids for ≥3 of the preceding 12 months and prior or active substance use. Participants completed interviews, clinical assessments, urine drug screening, and medical chart review. RESULTS: Participants were predominantly middle-aged (mean age 57.5 years), Black (44%), and cisgender men (60%). One-third (33%) had high, 28% moderate, and 39% low pain treatment satisfaction. Post-traumatic stress disorder (PTSD), tobacco use, past-year opioid discontinuation, and higher average pain scores were associated with lower satisfaction. HIV and prescription cannabis use were associated with higher satisfaction. CONCLUSIONS: The relationship between PTSD and tobacco use with lower satisfaction should be explored to augment pain outcomes. Higher satisfaction among individuals with HIV and prescription cannabis use presents potential research areas to guide CNCP management and reduce reliance on opioid therapies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».